典型文献
基于深度强化学习的D2D通信网络抗干扰资源调度方法
文献摘要：
针对现有学习方法在设备到设备(device-to-device,D2D)通信网络资源调度时,抗干扰能量效率和传输速率协调分配效果不理想的问题,文章提出了基于深度强化学习的D2D通信网络抗干扰资源调度方法.分析功率控制最佳策略,建立D2D通信网络抗干扰资源调度模型;采用深度学习Q网络求解模型,构造传输速率最大化的深度神经网络(deep neural networks,DNN);以能量效率作为奖惩标准反向训练DNN,实现D2D通信网络抗干扰资源的最佳调度.实验结果表明,应用该方法后传输速率达到30 bit/s,能量效率达到3.0 Mbit/s,资源调度数为5×102～6×102个,网络吞吐量稳定在41～45 kbit/s,说明该方法能够提高传输速率和能量效率,调度性能好且网络吞吐量大.
文献关键词：
深度强化学习;D2D通信网络;抗干扰;资源调度;传输速率;能量效率
中图分类号：
作者姓名：
安宁;张之栋
作者机构：
国家电网公司东北分部,辽宁 沈阳110180
文献出处：
引用格式：
[1]安宁;张之栋-.基于深度强化学习的D2D通信网络抗干扰资源调度方法)[J].电力信息与通信技术,2022(09):108-114
A类：
B类：
深度强化学习,D2D,通信网络,资源调度,调度方法,设备到设备,device,网络资源,干扰能量,能量效率,传输速率,分配效果,功率控制,调度模型,解模,深度神经网络,deep,neural,networks,DNN,奖惩,Mbit,网络吞吐量,kbit
AB值：
0.264372
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
